يمكن أن يساعدنا إتقان التقنيات الإحصائية على فهم العالم من حولنا بشكل أفضل ، ويمكن أن يكون تعلم التعامل مع البيانات بشكل صحيح مفيدًا في مجموعة متنوعة من الوظائف. يمكن أن تساعد اختبارات T في تحديد ما إذا كان الفرق بين مجموعة القيم المتوقعة ومجموعة معينة من القيم مهمًا أم لا. في حين أن هذا الإجراء قد يبدو صعبًا في البداية ، إلا أنه قد يكون سهل الاستخدام مع القليل من الممارسة. هذه العملية حيوية لتفسير الإحصائيات والبيانات ، لأنها تخبرنا ما إذا كانت البيانات مفيدة أم لا.
اذكر الفرضية. حدد ما إذا كانت البيانات تتطلب اختبارًا أحادي الطرف أو ثنائي الطرف. بالنسبة للاختبارات أحادية الطرف ، ستكون الفرضية الصفرية في شكل μ> x إذا كنت تريد اختبار متوسط عينة صغير جدًا ، أو μ
حدد مستوى الأهمية المناسب لدراستك. ستكون هذه هي القيمة التي تقارن بها النتيجة النهائية. بشكل عام ، تكون قيم الأهمية عند α = .05 أو α = .01 ، اعتمادًا على تفضيلاتك ومدى الدقة التي تريد أن تكون نتائجك عليها.
احسب بيانات العينة. استخدم الصيغة (x - μ) / SE ، حيث يكون الخطأ القياسي (SE) هو الانحراف المعياري للجذر التربيعي للسكان (SE = s / √n). بعد تحديد إحصاء t ، احسب درجات الحرية من خلال الصيغة n-1. أدخل إحصاء t ودرجات الحرية ومستوى الأهمية في دالة اختبار t على آلة حاسبة بالرسوم البيانية لتحديد قيمة P. إذا كنت تعمل باستخدام اختبار T ثنائي الذيل ، فقم بمضاعفة قيمة P.
فسر النتائج. قارن القيمة P بمستوى أهمية α المذكور سابقًا. إذا كانت أقل من α ، ارفض فرضية العدم. إذا كانت النتيجة أكبر من α ، يفشل في رفض فرضية العدم. إذا رفضت فرضية العدم ، فهذا يعني أن فرضيتك البديلة صحيحة ، وأن البيانات مهمة. إذا فشلت في رفض فرضية العدم ، فهذا يعني أنه لا يوجد فرق كبير بين بيانات العينة والبيانات المقدمة.